제어 변수
Control variates제어 변수 방법은 몬테카를로 방법에서 사용되는 분산 감소 기법이다.알려진 수량의 추정치의 오류에 대한 정보를 이용하여 알려지지 않은 수량의 추정치의 오류를 줄인다.[1][2][3]
기본 원리
알 수 없는 관심 매개변수를 으로 하고, m의 기대값이 : E[ = = μ,\ 즉 m은 μ에 대한 치우치지 않은 추정치라고 가정한다[ = {\displaystyle\과 같은 다른 통계량 을(를) 계산한다고 가정합시다.그러면
계수 을(를) 선택하기 위해 에 대한 편향되지 않은 추정기도 입니다결과 추정기 m의 분산은 다음과 같다.
에 대해 위의 식을 구별함으로써 최적의 계수를 선택했음을 알 수 있다
의 분산을 최소화하고 이 선택으로
어디에
및 의 상관 계수 입니다, }의 값이 클수록 분산 감소는 더 커진다
In the case that , , and/or are unknown, they can be estimated across the Monte Carlo replicates.이것은 특정 최소 제곱 시스템을 해결하는 것과 동등하다. 따라서 이 기법은 회귀 표본 추출이라고도 한다.
제어 변수 [ = 에 대한 기대치가 분석적으로 알려져 있지 않더라도, }을(일정한 고정 시뮬레이션 예산에 대해 평가하는 두 가지 조건이 충족된다면 여전히 \ 추정 정밀도를 높일 수 있다.은(는) m 보다 훨씬 저렴하다 2) 계수 t 의 크기가 단결에 가깝다.[3]
예
우리는 견적을 내고 싶다.
몬테카를로 통합 사용.이 적분은 f) 의 예상 값이며 여기서
그리고 U는 균일한 분포[0, 1]를 따른다.n 크기의 샘플을 사용하면 샘플의 점을 1,⋯ , n 로 나타낼 수 있다 그러면 견적은 다음과 같다.
Now we introduce as a control variate with a known expected value and combine the two into a new estimate
= 실현과 추정 최적 계수 약 }을를) 사용하여 다음 결과를 얻는다.
견적 | 분산 | |
고전적 추정치 | 0.69475 | 0.01947 |
제어 변수 | 0.69295 | 0.00060 |
제어 변수 기법을 사용한 후 분산이 크게 감소하였다.(정확한 결과는 I= 약
참고 항목
이 글은 검증을 위해 인용구가 추가로 필요하다. – · · 책 · · (2011년 8월) (이 를 |
메모들
- ^ Lemieux, C. (2017). "Control Variates". Wiley StatsRef: Statistics Reference Online: 1--8. doi:10.1002/9781118445112.stat07947.
- ^ 글래스맨, P. (2004)몬테카를로 금융공학에 관한 연구뉴욕: 스프링거.ISBN 0-387-00451-3 ( 페이지 185)
- ^ a b Botev, Z.; Ridder, A. (2017). "Variance Reduction". Wiley StatsRef: Statistics Reference Online: 1--6. doi:10.1002/9781118445112.stat07975.
참조
- 로스, 쉘든 M. (2002) 시뮬레이션 3판 ISBN 978-0-12-598053-1
- Averill M. Law & W. David Kelton(2000), 시뮬레이션 모델링 및 분석, 제3판.ISBN 0-07-116537-1
- S. P. Meyn(2007) Cambridge University Press, Complex Networks 제어 기법ISBN 978-0-521-88441-9다운로드 가능한 초안(섹션 11.4: 제어 변수와 섀도 기능)